Гайд по слову «ПЛАН»ноябрь 2026

Как изучать ИИ ради роста зарплаты

Пять шагов в том порядке, в котором я бы шел, если бы начинал сейчас. Без волшебных промптов и сертификатов: что изучить, где читать и что собрать руками на каждом шаге.

Весь план в Markdown с промптом-наставником — вставь в Claude или ChatGPT

00 · Перед стартом

Как пользоваться планом

Шаги идут по порядку: каждый опирается на предыдущий. На каждом шаге — что понять, что почитать и что сделать руками. Читать все ссылки подряд не нужно: бери первую, остальные — когда упрешься.

Почти все материалы на английском. Если английский слабый — открывай страницу в браузере с переводом или кидай ссылку в Claude или ChatGPT и проси пересказать по-русски.

Если ты в России

Claude и часть сервисов из гайда официально недоступны. Советов, как это обойти, тут нет — подходы из гайда работают с любыми агентами и моделями.

01 · Harness

Harness вместо промптов

Волшебные промпты остались в 2024-м. Сейчас результат решает не формулировка запроса, а то, что вокруг модели: инструменты, память, правила, проверки. Это и называют harness — обвязка агента.

Термин не мой: так Anthropic называет свой Agent SDK, а OpenAI в феврале 2026-го выпустила пост «Harness engineering».

Из чего состоит обвязка

ДетальЧто делает
MCPПодключает модель к внешним сервисам и данным по единому протоколу — как USB-C для ИИ
СкиллыПапка с инструкцией SKILL.md: модель подгружает нужные знания, только когда задача их требует
СубагентыОтдельные агенты со своим контекстом: один ищет, другой пишет, третий проверяет
РоутингПростые задачи — дешевой модели, сложные — сильной

Почему это работает

Одна и та же открытая модель в разных обвязках дает разный результат. В отчете команды Qwen (февраль 2026) GLM-4.7 на бенчмарке Terminal-Bench 2.0 набирает от 31,5 до 44,9 — в зависимости только от обвязки.

Оговорка

Это данные одного вендора, и топовые закрытые модели обвязкой пока не догнать.

Мой пример

Этот блог ведут три скилла — креатив, дизайн, аналитика — и отдельный субагент-ресерчер, который проверяет факты по первоисточникам. Модель одна, а роли и правила — в обвязке.

Что почитать

Практика

Возьми задачу, которую делаешь каждую неделю. Напиши для нее один скилл: что делать, в каком формате отдавать, чего не делать. Подключи один MCP к сервису, с которым работаешь (Notion, Google Drive, GitHub).

Шаг пройден, если

ты можешь объяснить коллеге, чем скилл отличается от промпта, а MCP — от плагина.

02 · Практика

Рабочий инструмент вместо сертификата

Сертификат по промптам никто не спросит. Спросят: что ты сделал и кто этим пользуется. Поэтому лучшее портфолио — один инструмент на ИИ, который решает твою рабочую задачу и которым реально пользуешься ты или коллеги.

Честно про себя

Я в начале наклепал кучу бесполезного софта — парсеры, боты, автопостер, — на котором учился. Не повторяй: начинай с задачи, а не с технологии.

Как найти задачу

Есть два вида методов — одни описывают процесс, другие ищут в нем проблему:

Описать процесс

  • BPMN — стандартная нотация: рисуешь процесс «как есть», прежде чем автоматизировать
  • IDEF0 — функциональное моделирование. Старый стандарт США, отозван в 2008-м, — полезен как идея, не как учебник

Найти проблему и решение

  • Теория ограничений (TOC) — пять шагов: найти узкое место и расшить его
  • Kepner-Tregoe — разбор проблемы: первопричина, решение, риски
  • ТРИЗ — решение через противоречия, приемы Альтшуллера

Для старта хватит двух: нарисуй процесс в BPMN и найди узкое место по TOC. Узкое место — твой кандидат на инструмент.

Что почитать

Практика

Нарисуй свой рабочий процесс на листе: 5–10 шагов. Отметь, где ждешь, где копируешь руками, где ошибаешься. Выбери один такой шаг и собери под него инструмент — скилл, бота, скрипт — с помощью Claude Code или Codex.

Шаг пройден, если

инструментом пользуется кто-то кроме тебя — или ты сам, но каждую неделю.

03 · Метрики

Эффект в деньгах

Почти половина опрошенных Gartner (49%, опрос 2024 года) назвали главным барьером внедрения ИИ то, что его пользу трудно оценить и показать. Если ты умеешь посчитать эффект — ты уже ценнее того, кто просто «пользуется нейронками».

Метрики, с которых начать

Это не стандарт, а рабочий набор: часть похожа на то, как GitHub считает метрики Copilot, остальное — здравый смысл для любого внедрения.

МетрикаЧто считает
Adoption rateСколько людей реально пользуются инструментом
Acceptance rateСколько результатов принято без правок
Экономия времениЧасы на задачу до и после
Стоимость операцииСколько стоит одна задача: токены + время человека
Возвраты человекуКак часто ИИ не справился и задача вернулась к человеку

Как проверить, что работает обвязка, а не модель

Абляция: оставь ту же модель, убери скилл или MCP — и сравни результат на одних и тех же задачах.

Важная оговорка

Эффект ИИ приходит с запаздыванием: сначала нужны изменения в процессах и новые навыки, и только потом рост. ИИ усиливает уже существующую систему, а не чинит сломанную.

Что почитать

Практика

Для инструмента из шага 2 замерь «до»: сколько минут занимает задача и сколько раз в неделю. Через две недели — «после». Переведи разницу в часы и деньги по своей ставке.

Шаг пройден, если

можешь одной фразой сказать руководителю: «Этот инструмент экономит N часов в месяц, это X рублей».

04 · Системы

Пайплайны, а не задачи

Точечные внедрения в итоге превращаются в обслуживание отдельных агентов: у каждого свои настройки, поломки и обновления. Ценность — в цепочке, где результат одного шага сам становится входом следующего.

Мой пример

Этот блог — одна цепочка: идея → ресерч → сценарий → публикация → кодовое слово в комментариях → автоматический ответ в Direct → метрики сами падают в карточку контента → аналитика подсказывает следующую идею.

Дисциплины, которые помогают строить цепочки

ДисциплинаЗачем
Менеджмент бизнес-процессовВидеть процесс целиком, а не отдельную задачу
Continuous improvementУлучшать маленькими циклами: план → сделать → проверить → закрепить (PDCA)
Управление изменениямиЧтобы люди реально перешли на новый процесс
Интеграционная инженерияКак соединять системы между собой
Юнит-экономикаСколько стоит и сколько приносит одна операция
Управление продуктомДелать то, чем будут пользоваться: проверять ценность и выполнимость до сборки

Что почитать

Практика

Возьми инструмент из шага 2 и найди шаг до и после него. Соедини их так, чтобы руками переносить ничего не пришлось.

Шаг пройден, если

в цепочке из трех шагов ты не трогаешь ни один руками.

05 · Под капотом

Локальная модель на своем железе

Не потому, что локальная модель лучше или дешевле облачной. А потому, что руками поймешь, что такое параметры, квантование и почему модель глючит на длинном контексте. После этого магия заканчивается — остается инструмент.

Три понятия

Что нужно

По официальным требованиям LM Studio рекомендовано 16 ГБ памяти; на 8 ГБ могут работать маленькие модели. Маленькие модели правда маленькие: qwen3:0.6b весит 523 МБ, qwen3:4b — 2,5 ГБ, gemma3:1b — 806 МБ (это размер скачивания, а не требование к памяти).

Насколько «копеечным» может быть железо: Jeff Geerling замерил Llama 3.2 3B на Raspberry Pi 5 — около 4,9 токена в секунду на версии с 16 ГБ и 4,6 на 8 ГБ. Медленно, но для экспериментов хватит.

Как начать

  1. Установи Ollama или LM Studio.
  2. Скачай маленькую модель, например из семейства qwen3.
  3. Задай один и тот же вопрос версиям разного размера — сравни ответы.
  4. Дай модели длинный текст и спроси про факт из середины. Потом поменяй окно контекста в настройках — и посмотри, что изменится.

Что почитать

Шаг пройден, если

можешь объяснить, почему 8B-модель в Q4 помещается в ноутбук, а 70B — нет.

Не пользователь, а сборщик

Пройдешь пять шагов — и будешь не «пользователем нейронок», а человеком, который собирает на ИИ рабочие системы и умеет посчитать их пользу. Это и есть рост зарплаты.

Застрял на каком-то шаге — пиши в Telegram, разберем. Больше разборов — в канале @yumind_reborn.

Написать в Telegram